目 录
第一章 绪论 ................................... 1
1.1 课题的研究意义 ................................ 1 1.2 国内外负荷预测的研究现状 ...................... 1 1.3 本文所做的主要的工作 .......................... 4
第二章 短期负荷预测分析 ....................... 5
2.1 负荷的特性 .................................... 5 2.2 负荷预测的特点及基本要求 ...................... 6 2.3 负荷预测的步骤 ................................ 6
第三章 基于人工神经网络的负荷预测 ............. 8
3.1 人工神经网络概述 .............................. 8 3.2 人工神经网络基本原理 .......................... 9 3.3 负荷预测模型建立 ............................. 12 3.4 仿真分析 ..................................... 14
第四章 基于支持向量机理的负荷预测 ............ 20
4.1 支持向量机概述 ............................... 20 4.2 支持向量机的回归原理 ......................... 21 4.3 基于支持向量机的负荷预测 ..................... 23
第五章 结论 .................................. 29 参考文献 ........................................ 30 附录 ............................................ 31
1
外文资料 中文译文 致谢
2
天津大学2009届本科生毕业设计（论文）
第一章 绪论
1.1 课题的研究意义
电力系统发展到今天，已经成为影响国家经济建设和人民生活的重要因素。电力系统的任务是为各类不同的用户提供可靠且经济的优质电能，以随时满足各类负荷的需求。负荷的大小和特性都是关系到电力系统的设计和运行的重要因素。因此预测电力负荷不但可以制定合理电源建设规划，而且可以合理的安排电网运行方式，从而降低发电成本。负荷预测已成为实现电力系统管理现代化的重要内容之一。
电能是不能大量存储的，电能的生产，输送，分配，消费都是同时进行的。所以，这要求发电和用电必须有计划性，使发电，输电，配电，用电达到平衡。准确的负荷预测可以帮助电力部门找到这种平衡，制定合理的发电计划。调度人员可以经济合理的安排发电机组的启动和停止，合理安排好旋转备用设备，在系统安全范围内，使发电成本降为最低，确保电网安全稳定运行。同时，在不同系统间的能量交换及负荷分配也要以准确的负荷预测为前提。随着我国电力工业步入电力市场，电力供需形式发生着变化。在电力系统内部实现厂网分开，竞价上网。准确的负荷预测成为电力企业制定购电和售电方案的基础，从而确保电网安全经济运行，为电力市场中的发电和供电商带来巨大的经济效益。
在时间上，电力系统负荷预测分为长期、中期、短期、超短期四类。长期和中期负荷预测常用于决定发电、输电、配电系统的安装容量，在电力系统扩容规划时选择设备的型号，编制年度水火电检修计划等；短期和超短期负荷预测则用于电力系统的控制和调度，作为潮流计算及偶发事故分析的输入量。所以对电力负荷进行准确地预测关系到电力系统安全运行，关系到国民经济的健康发展，关系到人民生活质量的提高。
1.2 国内外负荷预测的研究现状
电力系统负荷预测关系到电力系统运行的安全和经济，但是要使负荷预测达到一定的精度十分困难。在过去的几十年中，人们为了提高负荷预测的精度，研究出了许多种有效的方法用于负荷预测。
1.2.1 时间序列法
时间序列分析方法[4]将负荷数据当作一个随时间变化的序列来处理，通过寻找负荷历史数据中的变化模式，并将该模式外推到未来进行预测。这一类方法可以分为确定性时间序列分析方法和随机时间序列分析法。电力系统中的电力负荷是随机变化的序列，而时间序列分析法的因变量与自变量正是随机变量。所以使用时间序列分析法建立电力系统负荷预测模型是十分合适的。时间序列模型具有
1
天津大学2009届本科生毕业设计（论文）
计算速度快、反映负荷近期变化的连续性的特点。但是其也存在对原始数据平稳性要求高，对天气因素考虑不足等缺点。
1.2.2 趋势外推法
趋势外推的基本假设是未来是过去和现在连续发展的结果。趋势外推法的基本理论是：决定事物过去发展的因素，在很大程度上也决定该事物未来的发展，其变化，不会太大；事物发展过程一般都是渐进式的变化，而不是跳跃式的变化掌握事物的发展规律，依据这种规律推导，就可以预测出它的未来趋势和状态。负荷的变化一方面有其不确定性，但在一定条件下，又存在着明显的变化趋势，一旦找到了负荷的变化趋势，按照该变化趋势就能对未来负荷情况做出判断，这就是趋势外推法。主要的负荷变化趋势有水平趋势、线性趋势及季节性趋势等，他们的共同特点就是只针对趋势进行外推，不对其中的随机成分做统计处理。趋势外推法计算简单，方法实用性较强，比较适合于短期预测中。但是，其对负荷变化中的随机成分考虑不足，精确性受到影响。
1.2.3 回归分析法
回归分析法[6]-[7]是根据历史数据以及一些影响负荷变化的外来因素来推断将来时刻的负荷值，主要采用多元线性回归模型建立负荷与影响其变化的因素之间的关系，影响负荷变化的因素很多，主要有温度，时间以及一些随机因素，其中温度尤其突出。回归分析法原理和结构简单，预测速度快，外推特性好等特点，但其对历史数据要求高，模型构建困难，无法详细的考虑各种影响负荷的因素。
1.2.4 灰色预测法
灰色系统理论是由我国学者邓聚龙教授首先在国际上提出来，用于解决信息不完备系统的数学方法。其显著特点就是用少量的数据做微分方程建立起预测的模型。在将一定范围内变化的历史数据进行累加，使其变成具有指数增长规律的上升形状数列，可以对生成的这个形状数列建立起模型。灰色系统将一切随机变化量看作是在一定范围内变化的灰色量。灰色预测法具有要求负荷数据少、不考虑变化趋势、运算方便、短期预测精度高、易于检验等特点，因此得到广泛应用，并取得了令人满意的效果。但是与其他方法比，也存在一定局限性。一是当数据离散程度越大，则预测精度越差;二是真正具有实际意义、精度较高的预测值，仅仅是最近的一、两个数据，所以周预测中后几天的预测值将会有较大的偏差。灰色预测法一般用于中长期负荷预测较多。
1.2.5 卡尔曼滤波预测法
卡尔曼滤波法[2]也可称为最优化自回归数据处理算法，其原理是建立状态空间模型，把负荷作为状态变量分解为确定分量和随机分量，用状态方程和量测方
2
天津大学2009届本科生毕业设计（论文）
法来描述。在假定噪声的统计特性以知的情况下，卡尔曼滤波算法能递推地进行计算，适用于在线负荷预测。但是实际运用中，估计噪声的统计特性是个难点，这限制了卡尔曼滤波法的应用。
1.2.6 指数平滑预测法
指数平滑预测法使用过去数周的同类型日的相同时间的负荷组成一组时间上有序的数列，负荷预测计算时要对该数列进行加权平均运算。为减小误差应该加大新近数据的权系数减小陈旧数据的权系数以体现过程的时变性。
1.2.7 专家系统法
专家系统方法[11]是一种人工智能的计算机程序系统，这些程序具有相当于某个专门领域的专家的知识和经验水平，并能像专家那样运用这些知识，通过推理，在那个领域内做出智能决策。一个完整的专家系统是由四个部分组成:知识库、推理机、知识获取部分和界面。其对数据库里存放的过去几年的每小时的负荷和天气数据进行细致的分析，按照一定的规则推理进行负荷预测。专家系统进行负荷预测离不开预测人员的丰富经验和判断能力，但是专家知识转化为数学规则是特别困难的。
1.2.8 人工神经网络法
人工神经网络(ANN)作为一门新兴的交叉学科为揭示复杂对象的运行机理提供了一条新的途径。运用神经网络技术进行电力负荷预测，是刚刚兴起的一种新的研究方法，其优点是可以模仿人脑的智能化处理，对大量非结构性、非精确性规律具有自适应功能，具有信息记忆、自主学习、知识推理和优化计算的特点，特别是其自学习和自适应功能是常规算法和专家系统技术所不具备的。人工神经网络技术[12]-[14]的主要优点在于它不需要任何负荷模型，由于具有高度非线性泛化和并行处理能力，不依赖于人工的经验，通过学习获得系统输入和输出间的函数连接关系。人工神经网络不是首先确定一个函数形式，而是通过训练历史数据，得出历史数据和预测负荷的关系。其缺点是训练过程比较消耗时间，并且它并不能保证一定收敛。同时神经网络的结构确定，输入变量的恰当选取，隐含层数目的大小等问题都要在实践中进行摸索。尽管有许多不足，人工神经网络预测法仍有很大地运用前景，值得进一步研究和开发。
1.2.9 支持向量机法
近年来，由贝尔实验室提出的支持向量机做为数据挖掘的一项新技术，应用于模式识别和处理回归问题等诸多领域，与传统的神经网络学习方法不同，支持向量机[8]-[9]实现了结构风险最小化原理，对未来样本有较好的泛化性能。其训练等价于解决一个线性约束的二次规划问题，从理论上说，得到的将是全局最优点，
3